py-why/pywhyllm

解決的問題

PyWhy-LLM 解決了在因果分析過程中獲取領域專業知識的難題。它利用大型語言模型（LLM）來建議潛在的因果關係、混淆變數和驗證策略，從而減少在初始模型構建階段對人工專家的依賴。

運作原理

該庫提供專門的「建議器」（suggesters），與大型語言模型（如 GPT-4）進行介面互動，以協助因果推斷流水線的不同階段：

• Modeler：建議領域專業知識、潛在的混淆變數以及變數之間的成對關係，以構建有向無環圖（DAG）。
• Identifier：建議後門集、中介變數集和工具變數（IV）。
• Validator：對現有的 DAG 進行批判性評估，建議潛在混淆變數，並識別陰性對照。
• Augmented Modeler：透過 CauseNet 使用檢索增強生成（RAG）來提供更有依據的因果建議。

適用人群

需要進行因果推斷的數據科學家和研究人員，他們需要因果模型的起點，或者需要一種利用 LLM 衍生知識來驗證其假設的方法。

亮點

• 因果流水線整合：涵蓋建模、識別和驗證階段。
• RAG 能力：包含一個利用 CauseNet 提高準確率的增強型建模器。
• 領域專業知識模擬：自動建議相關的領域專業知識，以指導 LLM 的推理。